问题标签 [semantic-segmentation]

输入图像

我需要将该区域分组为绿色并获取其坐标，例如此输出图像。如何在python中做到这一点？

请参阅附图以获得更好的清晰度

我们正在为 PC 和移动平台开发一个语义分割应用程序。最初我们尝试了谷歌当前最先进的 DeeplabV3+ 框架。使用的数据集是 Pascal VOC，来自官方模型动物园的模型在精度方面（张量流）。模型在 PC 和移动端（转换为 coreml 和 tflite）的性能不能满足我们的要求。即使我们尝试了不同的模型优化和量化技术，我们也无法在两者之间取得很好的平衡性能和准确性。

然而，我们实际上只关心单个类的分割（在 PASCAL VOC 中）。但是模型计算每个类标签的分割掩码，这在我们的例子中似乎是多余的。所以，如果我们训练网络只有一个类（额外的背景），它会在速度方面提高性能吗？

我遵循这个 opencv 教程并使用我自己的图像和掩码来改进使用 opencv 抓取算法的分割，但结果掩码与初始掩码相同。

代码：

初始掩码：

图片：

谢谢！

Deeplab v3 返回一个缩小/调整大小的图像及其对应的掩码。如何调整图像的大小及其相应的蒙版以更好地适应我的规范。

我正在研究医学图像分割。我有两节课。0 级作为背景，1 级作为病变。由于数据集高度不平衡，我使用损失函数作为（1 - 加权骰子系数）和度量函数作为骰子系数。我已将数据集从 0-255 标准化为 0-1。我正在使用带有 tensorflow 后端的 keras 来训练模型。在训练 UNet++ 模型时，我的损失函数随着每个时期而减少，但我的指标保持不变。我无法理解为什么指标是恒定的，因为损失正在按预期减少？另外，我无法理解，为什么损失大于 1，因为骰子系数返回的值介于 0 和 1 之间？

这是我的损失函数：

而且，这是度量函数：

训练损失与时代：

这是示例代码：

我有一个名为“标签”的张量，形状为 [-1, 256, 256, 10]，其中包括大小为 256x256 的标记图像，从中我得到最后一个维度的三个最大条目，其中包含“tf.math.top_k”。

现在我想提取三个最大的条目，并使其每个都成为形状 [-1,256,256,1] 的张量，以将其显示为张量板中的图像。

该代码似乎有效，只是它没有给我每个批次的最大条目，而只是批次中的最后一个元素。

最终目标是找到“标签”的最后三个最大条目，并在 tensorflow 中将它们显示为大小为 [-1,256,256,1] 的图像。

从项目来看，这似乎是一个非常明显的问题，对吧？

但对于我的一生，我发誓我有 21 个标签和 21 个课程。

所以，作为一个健全的检查，我想我会问！

1. 我有大量训练图像 (640,640)
2. 我浏览了它们并使用 DataTurks 来注释数据。
3. 从那里我创建了一组 PNG 掩码，其中我使用 255 作为空白空间，然后使用棕褐色Int作为相应的数字来制作一个 NP 数组，然后转换为 png。
4. 然后我按照这个sagemaker 示例进行分段，它似乎在我运行之前有效ss_model.fit。

这是我开始遇到一些错误的地方。完整的日志可以在这个 Gist中看到

跳出来的第一个错误是：

label maps not provided, using defaults.

这很奇怪，因为我相信我已经在 S3 中正确加载了它们<bucket>/label_map/train_label_map.json

该标签映射看起来像这样：要点（也许它失败了，因为它不是有效的 JSON，但是我正在复制另一个 sagemaker 示例如何使用它？）

跳出的第二个错误是标题中的错误。

现在可能是我的面具完全错了（我对 ML 还是很陌生），但它们看起来像这样，但 640x640：

其中 255 为空，2 为注释。

这个错误可能是因为我没有包含255: "null"在 label_map 中吗？

任何见解都会非常有帮助！谢谢。

将 Deeplab Tensorflow 模型转换为 TensorRT 模型会显着增加推理时间，我在代码中做错了什么？

在这里，我正在将 Tensorflow 图转换为 TensorRT 图并保存这个新的 TRT 模型：

在另一个脚本中，我再次加载这个 TRT 模型并用它进行语义分割预测，但它慢了大约 7 到 8 倍！这是第二个脚本：

任何想法我应该如何以加快推理的方式正确执行转换？

我正在使用迁移学习进行语义分割。

直到这一步它工作正常。现在如何将此串联添加到网络中。

我正在使用 PyTorch 开始一个图像分割项目。我在一个文件夹和 2 个子文件夹中有一个缩减的数据集 - “图像”用于存储图像，“掩码”用于蒙版图像。图像和蒙版是具有 3 个通道和 256x256 像素的 .png 文件。因为它是图像分割，所以必须逐个像素地进行标记。为简单起见，我目前只使用 2 个类。到目前为止，我实现了以下目标：

我能够通过以下方式将我的文件加载到“图像”或“掩码”类中

并将数据转换为张量

此“train_dataset”中的每个张量具有以下形状：

现在我需要将加载的数据输入 CNN 模型，并为此探索了 PyTorch DataLoader

我使用以下代码检查生成的张量的形状

并得到

形状似乎正确。但是，第一个问题是我得到了同一个文件夹的张量，由一些具有相同值 [0, 0] 的“y”张量表示。我希望它们都是 [1, 0]: 1 代表图像，0 代表蒙版。

第二个问题是，虽然当标签是整个图像时文档很清楚，但不清楚如何将其应用于像素级别的标签，我确信标签不正确。

正确标记此数据集的替代方法是什么？

谢谢你